车辆控制方法、装置、车辆、服务器及存储介质与流程

本申请涉及远程控制技术领域，更具体地，涉及一种车辆控制方法、装置、车辆、服务器及存储介质。

背景技术：

远程唤醒(wakeonlan，wol)技术是指通过局域网、互联网或者通讯网实现远程控制计算机的开机。随着车辆智能化的发展，远程唤醒技术逐渐应用于车辆的远程控制，用户可以借助客户端向车辆发送控制信号，以此构建起一个远程服务，再利用该远程服务中的各类控制功能，将操纵指令发送出去，以便指挥车辆中所有应用程序的各种运行。

目前，车辆的远程控制需要用户自己通过车辆钥匙或者手机客户端进行遥控，例如，当车辆停放于高温或者寒冷的环境时，用户需要在开车前利用车辆钥匙提前手动开启车内空调系统以改善车厢内的温度，然而，用户在实际的远程控制场景中，通常容易忘记对车辆预先进行控制。因此，车辆的手动远程控制，未能达到在用户开车前自动进行调节车辆相关状态的效果，并且手动远程控制还会增加用户的思维负担，没有体现车辆智能控制的特点。

技术实现要素：

本申请实施例提供一种车辆控制方法、装置、车辆、服务器以及存储介质。

第一方面，本申请一些实施例提供一种车辆控制方法，包括：当检测到车辆停车时，获取车辆的停车位置以及目标对象的当前定位，当前定位用于表征目标对象所处位置，进而，根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线，并根据规划路线对目标对象进行寻车可信度检测，获取检测结果，从而，根据检测结果确定车辆的控制策略。

第二方面，本申请一些实施例还提供一种车辆控制装置，该装置包括：第一获取模块，用于当检测到车辆停车时，获取车辆的停车位置；第二获取模块，用于获取目标对象的当前定位，当前定位用于表征目标对象所处位置；确定模块，用于根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线；检测模块，用于根据规划路线对目标对象进行寻车可信度检测，获取检测结果；控制模块，用于根据检测结果确定车辆的控制策略。

第三方面，本申请一些实施例还提供一种车辆，包括处理器以及存储器，存储器存储有计算机程序指令，计算机程序指令被处理器调用时执行上述的车辆控制方法。

第四方面，本申请一些实施例还提供一种服务器，包括处理器以及存储器，存储器存储有计算机程序指令，计算机程序指令被处理器调用时执行上述的车辆控制方法。

第五方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有程序代码，其中，在所述程序代码被处理器运行时执行上述的车辆控制方法。

本申请提供的一种车辆控制方法、装置、车辆、服务器及存储介质，当检测到车辆停车时，获取车辆的停车位置，获取目标对象的当前定位，当前定位用于表征目标对象所处位置，根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线，根据规划路线对目标对象进行寻车可信度检测，获取检测结果，进一步地，根据检测结果确定车辆的控制策略。由此，通过车辆停车位置和目标对象所处位置的定位来确定出规划路线，并根据该规划路线检测目标对象寻车的可信度，从而依据可信度的检测结果对车辆进行自动控制，大大减少驾驶员使用车辆远程控制的不便。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例提供的一种车辆控制系统架构示意图。

图2示出了本申请实施例提供的一种车辆控制方法的流程示意图。

图3示出了本申请实施例提供的另一种车辆控制方法的流程示意图。

图4示出了图3的车辆控制方法中步骤s250的一种流程示意图。

图5示出了图3的车辆控制方法中步骤s270的一种流程示意图。

图6示出了本申请实施例提供的一种车辆控制方法的流程时序图。

图7示出了本申请实施例提供的一种车辆控制方法的流程图。

图8示出了本申请实施例提供的又一种车辆控制方法的流程示意图。

图9示出了图8的车辆控制方法中步骤s330的一种流程示意图。

图10示出了本申请实施例提供的另一种车辆控制方法的流程时序图。

图11示出了本申请实施例提供的一种车辆控制装置的模块框图。

图12是本申请实施例提供的一种车辆的模块框图。

图13是本申请实施例提供的一种服务器的模块框图。

图14是本申请实施例提供的一种计算机可读存储介质的模块框图。

具体实施方式

下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地，仅用于解释本申请，而不能理解为对本申请的限制。

为了使本技术领域的人员更好地理解本申请的方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

利用手机客户端或者车钥匙对车辆进行远程控制已经被广泛地应用在车辆控制技术领域。车辆远程控制能够实现远程距离地管控车辆，大多的车辆的远程控制系统都可以实现提前手动开启车辆空调、调节座椅、控制中控锁以及辅助寻车等功能。常见地，驾驶员利用客户端远程控制车辆空调的开关，以便提前对车厢内的温度进调控(预热/预冷)。值得注意的是，目前，车辆的远程控制并未达到完全智能控制的作用，在许多实际的应用场景中，驾驶员需要根据自己的使用需求，手动地对车辆进行远程控制。

例如，驾驶员在开车前想要对车厢内的温度进行调节，此时可以通过手机客户端向车辆发送空调的控制指令，进而当车辆收到该控制指令后，启动空调对车厢温度进行调节。可以看到，在以上远程控制车辆空调的应用场景中，驾驶员需要在未到达车辆之前，手动地对车辆空调进行控制，而日常生活中，驾驶员往往会在开车时忘记提前启动车辆空调。因此，手动的车辆远程控制无法避免因遗忘带来的不变，还会增加驾驶员的思维负担，车辆并不能在驾驶员到来前自动智能调节车辆的相关状态及参数，从而，无法体现出智能汽车足够智能化的特点。

为了解决上述问题，发明人经过长期研究，提出了本申请实施例提供的车辆控制方法，该方法通过在检测到车辆停车时，获取该车辆的停车位置，获取目标对象的当前定位，当前定位用于表征目标对象所处位置，根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线，并根据规划路线对目标对象进行寻车可信度检测，获取检测结果，从而根据检测结果确定车辆的控制策略，以便根据目标对象寻车的可信度，对车辆进行智能化地控制。下面先对本申请所涉及到的车辆控制方法的应用场景进行介绍。

如图1所示，在一些实施例中，本申请实施例提供的车辆控制方法可以应用于图1所示的车辆控制系统400，该车辆控制系统400包括车辆410、目标对象420、移动终端430以及服务器440。车辆410、移动终端430分别通过网络与服务器440连接，该网络可以为5g网络(5thgenerationmobilenetworks)、车联网(internetofvehicles，iov)等能够实现车辆与服务器之间、车辆与移动终端之间互相通信连接的网络，在此不做限定。值得说明的是，车辆410可以具备与服务器440相同的计算功能以及存储功能。目标对象指的是可以与车辆410或者服务器440进行通行连接并且具有定位功能的控制设备，该控制设备可以远程控制车辆的设备，控制设备可以包括移动终端，车辆钥匙，此外，目标对象还可以指的是该车辆410的驾驶员(其可以持有上述的控制设备以利于定位)，包括车主或者同样使用该车辆控制系统400的非车主。

作为一种实施方式，服务器440可以利用移动终端430获取目标对象420所处位置的当前定位，以及获取车辆410的停车位置，进而根据当前定位以及停车位置计算出目标对象420寻找车辆410的可信度，进而判断目标对象420是否正在寻车，当确定目标对象420正在寻车时，可以向车辆410发送控制指令，进而车辆410接收到该控制指令后，基于控制指令对车辆410进行远程控制。下面将结合附图具体描述本申请中的各实施例。

请参阅图2，图2示出了本申请实施例提供的一种车辆控制方法，该车辆控制方法可以包括以下步骤s110至步骤s150。

步骤s110：当检测到车辆停车时，获取车辆的停车位置。

现有的车辆远程控制技术大都利用客户端进行远程手动控制车辆的内部设备，为了真正地实现车辆远程控制的自动化，可以基于车辆的停车位置对目标对象的寻车路线进行预测的意图进行检测，并根据检测结果自动唤醒车载设备，从而在目标对象进入车辆之前对车辆进行预先地调控。

在一些实施例中，当检测到车辆熄火停车时，可以获取该车辆的停车位置。作为一种实施方式，在车辆熄火停车时，可以通过具有定位功能的定位装置获取车辆所处的定位。例如，车辆可配置由车载全球导航卫星系统(globalnavigationsatellitesystem，gnss)，当车辆熄火停车后，可以基于车辆的gnss获取当前车辆的停车位置，并通过车载远程处理器t-box(telematicsbox)将该停车位置上传至服务器，此时服务器就可以接收到车辆发送来的停车位置。

作为另一种实施方式，在车辆熄火停车的时刻，可以将获取的驾驶员的当前定位作为车辆的停车位置。例如，当车辆熄火停车时，车辆可以通过车内的无线局域网络(wirelesslocalareanetwork，wlan)从目标对象使用的移动终端，获取驾驶员的当前定位以作为车辆的停车位置。

步骤s120：获取目标对象的当前定位，当前定位用于表征目标对象所处位置。

在本申请实施例中，当获取到车辆的停车位置时，可以根据目标对象所处位置和停车位置对目标对象是否有寻车的意图进行预测，以便车辆自动地对车载设备进行提前控制。为了保护目标对象的隐私权益，在获取目标对象的当前定位时，需要获得目标对象的同意，经目标对象授予分享定位的权限后，方可获取目标对象的当前定位。若未能获得目标对象同意分享定位的权限，则不继续获取当前定位。

在一些实施例中，当目标对象同意分享定位的权限时，可以从目标对象的移动终端实时地获取目标对象所处位置，也即当前定位。例如，服务器可以通过移动网络向目标用户的移动终端发送获取当前定位的请求，若目标对象允许移动终端分享自己的定位时，移动终端可以将该目标对象当前所处位置发送给服务器，此时服务器就获取到了当前定位。

步骤s130：根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线。

为了达到目标对象无需手动远程控制车载设备的效果，可以通过获取的目标对象的当前定位以及车辆的停车位置生成目标对象与车辆之间的可行路线，也即规划路线，以便对目标对象是否寻车的意图进行确认，进而可以在目标对象寻车的过程中提前自动地对车载设备进行控制。

其中，规划路线指的是目标对象到达停车位置之间至少一条可以通行的路线。在一些实施例中，当目标对象停车离开后，可以根据当前定位和停车位置实时地计算出目标对象从当前定位到停车位置之间的规划路线。

作为一种实施方式，当目标对象停车离开后，可以实时地根据目标对象的当前定位获取目标对象离开车辆之后的活动轨迹，进而可以根据该活动轨迹反向计算出目标对象从当前定位到达停车位置的规划路线。例如，当目标对象停车离开后，服务器可以实时地从目标对象的移动终端获取目标对象的定位，从而根据目标对象的定位得到目标对象的活动轨迹，并将该活动轨迹的起始处进行调换作为目标对象返回寻车时可能途经的路线，也即规划路线。

作为另一种实施方式，当目标对象停车离开后，车辆可以获取目标对象的当前定位，并根据当前定位确定目标对象所在的活动位置，进而获取目标对象在该活动位置的历史活动数据，进一步地，可以根据该历史活动数据生成目标对象从当前定位到达停车位置的规划路线。例如，可以利用深度学习(deeplearning，dl)/机器学习(machinelearning，ml)基于大量的历史活动数据预测出规划路线。

步骤s140：根据规划路线对目标对象进行寻车可信度检测，获取检测结果。

在基于当前定位以及停车位置确定了规划路线之后，可以基于规划路线来对目标对象是否具有寻车意图进行检测，也即寻车可信度检测，从而在确定目标对象具有寻车意图时，可以自动的对车载设备进行控制。

作为一种实施方式，可以在检测到目标对象正在往停车位置的方向靠近时，将目标对象的靠近停车位置时间段的移动的路线与规划路线进行比较以此来对目标对象进行寻车可信度检测，获取检测结果。具体地，在通过目标对象的当前定位判断出目标对象正在往车辆的停车位置靠近时，可以连续获取目标对象在一定时间段内移动的路线，其中，该一定时间段可以为提前设置的固定时间段(如该一定时间段可以设定为在确定目标对象正在往停车位置的方向靠近后的一段时间，如一分钟内)，也可以为根据当前定位到停车位置之间的距离以及目标对象的移动速度计算得来。

进一步地，可以分析该移动路线与规划路线的匹配程度，并根据匹配程度检测目标对象寻车的可信度，得到检测结果。值得注意的是，该移动路线在与规划路线匹配，并不意味着移动路线与规划路线完全一致，在一些应用场景中，移动路线可以完全匹配于规划路线，也可以由于获取的移动路线较短，仅仅匹配于部分规划路线。

具体地，可以对移动路线和规划路线的匹配程度与目标对象寻车的可信度建立映射，也即对应关系，从而，在给定匹配程度时，通过该对应关系可以得到匹配程度对应的可信度。例如，匹配程度x与可信度y间存在着对应关系f，记作y＝f(x)，其中，对应关系f可以通过大量的匹配程度与可信度的数据计算得出，例如，回归分析。

此外，可以通过预先设置的程度值，该程度值用于表示当移动路线和规划路线匹配到何种程度的时候，认为目标对象寻车的可信度是否达到判定检测结果为目标对象正在寻车的要求，例如，设置程度值为60％，当移动路线和规划路线匹配程度为70％>程度值60％时，可以认为目标对象寻车的可信度达到判定检测结果为目标对象正在寻车的要求。另外，也可以利用神经网络，以匹配程度与可信度的数据作为训练集，得出可信度检测模型。

步骤s150：根据检测结果确定车辆的控制策略。

当目标对象前往停车位置开车时，目标对象往往会提前通过手机客户端手动地控制车辆，然而，目标对象经常存在忘记提前对象车载设备进行控制的情况，因此可能会给目标对象使用车辆带来不便。

在本申请实施例中，当对目标对象进行寻车可信度检测时，可以根据得到的检测结果，确定车辆的控制策略，从而，在目标对象寻车的过程中自动地对车载设备进行控制，无需目标对象通过手动操作来控制车载设备。其中，控制策略指的是根据寻车可信度检测的检测结果，对车辆进行的控制操作。具体地，控制策略可以为在目标对象未到达停车位置前，启动指定的车载设备。

作为一种实施方式，在对目标对象进行寻车可信度检测之后，可以根据检测结果，确定车辆的控制策略。具体地，当检测结果为目标对象正在寻车时，确定控制策略可以包括：根据目标对象的使用习惯对针对性地控制目标用户常用的车载设备，或/及根据当前车辆车厢内的环境数据，控制车载设备对车厢环境进行改善。

例如，服务器在判断处目标对象正在寻车时，可以通过车载传感器获取车辆内的温度值，当车辆内的温度值不处于预设温度值的范围内时，服务器可以向车辆发送空调控制指令，车辆在收到空调控制指令后，启动空调以便将车厢内的温度控制在预设温度值的范围。

本申请实施例中，当检测到车辆停车时，获取车辆的停车位置，获取目标对象的当前定位，根据当前定位以及停车位置确定规划路线，并根据规划路线对目标对象进行寻车可信度检测，获取检测结果，进一步地，根据检测结果确定车辆的控制策略。由此，通过车辆停车位置和目标对象的位置定位来确定规划路线，并根据该规划路线检测目标对象寻车的可信度，以便基于可信度的检测结果对车辆进行自动控制，大大减少驾驶员使用车辆远程控制的不便。

如图3所示，图3示意性地示出本申请实施例提供的一种车辆控制方法，该车辆控制方法可以包括以下步骤s210至步骤s280。

步骤s210：当检测到车辆停车时，获取车辆的停车位置。

步骤s220：获取目标对象的当前定位，当前定位用于表征目标对象所处位置。

步骤s230：根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线。

在本实施例中，步骤s210、步骤s220以及步骤s230的具体实施，可以分别参考上文实施例所提供的步骤s110、步骤s120以及步骤s130的阐述，此处不再一一赘述。

在一些实施例中，当确定了目标对象从当前定位到达停车位置的规划路线时，可以根据该规划路线对目标对象进行寻车可信度检测，进而获取检测结果。作为一种实施方式，可以获取目标对象不断靠近停车位置时的路线，并将该路线与规划路线进行对比以此来判断目标对象是否正在寻车。具体地，可以包括步骤s240以及步骤s250。

步骤s240：获取目标对象的近车路线，近车路线用于表征目标对象接近车辆时所途经的路线。

为了能够在目标对象寻找车辆的过程中车辆就可以自动地控制车载设备，需要提前判断出目标对象是否正在寻车。为此，可以在目标对象靠近车辆的时候，根据目标对象所走的路线来判断目标对象是否正在寻车，若判定目标对象正在寻车，则车辆可以对车载设备进行自动控制。其中，近车路线指的是目标对象不断地靠近停车位置时所途经的路线。

作为一种实施方式，可以周期性地获取目标对象的当前定位，并根据获取的不同时间点的当前定位来判断目标对象是否靠近车辆，若判定目标对象正在靠近车辆，则可以实时地获取目标对象的当前定位以此得到目标对象的近车路线。

例如，服务器可以通过目标对象的android手机获取目标对象的当前定位，具体地，可以通过android应用程序接口(applicationprogramminginterface，api)周期性地访问来自android手机的gnss芯片组的原始gnss测量数据，并基于gnss测量数据判断目标对象是否正在往停车方向行进，若正在往停车方向行进，则实时地获取gnss测量数据，并根据该测量数据生成目标对象的近车路线。此外，考虑到目标对象活动的地理位置的卫星信号容易受到影响，例如，地下场所处的卫星信号容易受到影响，因此可以通过网络(例如，wlan)来获取目标对象的近车路线。

步骤s250：根据近车路线检测目标对象在规划路线进行寻车的可信度，并获取检测结果。

在一些实施例中，当获取到目标对象的近车路线时，进一步地，可以根据该近车路线检测目标对象在规划路线进行寻车的可信度，并获取检测结果。具体地，请参阅图4，步骤s250可以步骤s251以及步骤s252。

步骤s251：将近车路线与规划路线进行匹配，获得匹配结果。

作为一种实施方式，车辆或服务器可以利用获取的近车路线与规划路线进行相似度计算，以便确定近车路线与规划路线匹配程度。例如，车辆可以将不同时间点获取的近车路线分别与规划路线进行相似度的计算，具体地，可以将近车路线与规划路线进行向量化得到对应的轨迹向量(trajectoryembedding)。

进一步地，可以将不同时间点的近车路线的轨迹向量分别与规划路线的轨迹向量进行余弦相似度(cosinesimilarity)计算，随着计算时间的推移，可以根据余弦相似度的计算结果的变化趋势确定近车路线与规划路线匹配程度，进而可以确定目标对象是否在规划路线进行寻车。

步骤s252：根据匹配结果，判断目标对象是否在规划路线进行寻车。

作为一种实施方式，当近车路线与规划路线匹配时，若当前定位与停车位置之间的距离逐渐减小，则检测结果为目标对象正在寻车。例如，将不同时间点的近车路线的轨迹向量分别与规划路线的轨迹向量进行余弦相似度计算，随着计算时间的推移，余弦相似度逐渐增大，从而确定近车路线与规划路线匹配，进一步地，若检测到当前定位与停车位置之间的距离逐渐减小可以确定目标对象正在规划路线上进行寻车。

作为另一种实施方式，当近车路线与规划路线匹配时，若当前定位与停车位置之间的距离无明显变化或者距离增大时，则检测结果为目标对象没有寻车。例如，根据余弦相似度的计算，在确定出近车路线与规划路线匹配后，检测到当前定位与停车位置之间的距离没有逐渐减小或则增大，此时可以确定目标对象没有在规划路线上寻车。

作为又一种实施方式，当近车路线与规划路线不匹配时，可以直接判定目标对象没有在规划路线上进行寻车。

步骤s260a：若检测结果为目标对象正在寻车，则在目标对象的定位进入第一地理范围时，确定车辆上待控制的目标设备。

在判定目标对象正在寻车之后，可以提前对车载设备进行控制，以便在目标对象开车前，车辆就能自动地开启相关功能，进而将车辆调整到合适的状态。为了更加准确地对车载设备进行控制，可以在目标对象到达距离车辆一定的范围也即第一地理范围时才对车载设备进行提前控制，一方面，可以通过第一地理范围对目标对象正在寻车做出二次确认，保证寻车可信度检测的准确，另一方面，在目标对象进入第一地理范围时才对车载设备进行控制，而不是判定目标对象正在寻车就对车载设备进行控制，可以在一定程度上减少车辆的能耗。

其中，第一地理范围指的是在对车辆进行控制时，目标对象需要接近车辆的最小范围。第一地理范围的大小可以根据停车位置所处的环境进行调整，例如，当停车位置处于空旷露天的停车场时，由于目标对象近车路线与规划路线匹配的程度较高，目标对象寻车可信度的检测难度也较地，因此第一地理范围可以适当扩大(如，第一地理范围可以是以车辆为中心，半径为200米的范围)。当停车位置位于面积较小的停车场时，寻车可信度的检测结果会因为停车场限制受到影响，因此第一地理范围可以适当缩小(如，第一地理范围可以是以车辆为中心，半径为70米的范围)，以便提高寻车可信度最终检测的准确度。此外，第一地理范围还可以根据多次寻车误判的数据进行自动更新调整，具体描述可参见步骤s280b。

在一些实施例中，当检测到目标对象正在寻车时，若检测目标对象的定位进入第一地理范围时，可以根据目标对象的驾驶习惯确定车辆上待控制的目标设备。具体地，可以获取目标对象往常驾驶车辆时，使用车载设备的历史使用数据，根据该历史使用数据确定车辆上待控制的目标设备，其中，目标设备可以是车载设备，至少包括：空调、车灯、座椅加热器，目标设备也可以是车辆的配件，至少包括：发动机，雨刮器。

作为一种实施方式，当目标对象进入第一地理范围时，可以获取目标对象开车时，使用车载设备的历史使用数据，进一步地，确定当前车载设备的工作参数是否达到该历史使用数据中实际运行的工作参数，将没有达到该历史使用数据中实际运行的工作参数的车载设备确定为待控制的目标设备。

例如，车辆在检测到目标对象进入第一地理范围时，可从服务器获取该目标对象使用车载设备的历史使用数据，该历史使用数据可以包括目标对象使用座椅的工作参数，在检测到座椅当前的工作参数不符合目标对象平时使用座椅时的工作参数时，可以将座椅确定为待控制的目标设备。

作为另一种实施方式，当目标对象进入第一地理范围时，可以获取目标对象对车载设备设定的工作参数，将没有达到该设定的工作参数的车载设备确定为待控制的目标设备。例如，目标对象设定了车辆前置灯在寻车时开启，当目标对象进入第一地理范围时，可以将没有开启的车辆前置灯确定为待控制的目标设备。

在另一些实施例中，当检测到目标对象正在寻车时，若检测目标对象的定位进入第一地理范围时，可以根据车辆状态确定车辆上待控制的目标设备。例如，可以在目标对象的定位进入第一地理范围时，获取车厢内部温度，若车厢内部温度不利于目标对象乘坐驾车，可以将车辆空调确定为待控制的目标设备，以便调整车厢内的温度。

步骤s270a：根据预定的工作参数，控制目标设备。

在目标对象的定位进入第一地理范围并确定了车辆上待控制的目标设备之后，可以根据预定的工作参数，对目标设备进行控制。在一些实施例中，预定的工作参数可以是由目标对象使用目标设备的历史数据生成的，进而根据预定的工作参数，控制目标设备。具体地，请参阅图5，步骤s270a可以步骤271a-步骤273a。

步骤s271a：获取目标对象使用目标设备的历史数据。

作为一种实施方式，目标对象使用目标设备的历史数据可以存储于本地或者服务器，在确定了车辆上待控制的目标设备之后，车辆可以从本地或者服务器获取目标设备使用的历史数据。

步骤s272a：根据历史数据生成预定的工作参数。

作为一种实施方式，可以根据目标设备大量的使用历史数据来生成预定的工作参数，该预定的工作参数是目标设备工作时需要达到的工作参数。具体地，可以将大量的使用历史数据进行大数据分析，得出目标对象使用目标设备的偏好，根据该偏好生成预定的工作参数。例如，目标对象在夏季每天将空调温度控制在α摄氏度左右，则通过大数据分析得出目标对象使用空调的偏好为α摄氏度，并将α摄氏度α作为空调的预定的工作参数。

步骤s273a：根据预定的工作参数，对目标设备进行控制。

作为一种实施方式，在根据历史数据生成预定的工作参数之后，车辆可以控制目标设备进行工作以便达到预定的工作参数。例如，控制车辆的空调开启到α摄氏度。

示例地，请参阅图6所示，图6示出了本申请实施例提供的一种车辆控制方法的时序。当根据停车位置以及当前定位生成目标对象到停车位置间的规划路线时，可以根据获取的近车路线检测目标对象在规划路线上进行寻车的可信度，具体地，车辆在停车时，可以向服务器发送车辆所处的停车位置，服务器可以从目标对象的移动获取目标对象的当前定位。

进一步地，服务器可以根据当前定位以及停车位置确定出目标对象与车辆之间的规划路线。接着获取目标对象在接近停车位置的近车路线，从而根据近车路线检测目标对象在规划路线进行寻车的可信度。

进一步地，若服务器检测到目标对象正在寻车，则在目标对象的定位进入第一地理范围时，发送控制指令到车辆上，车辆可以根据控制指令确定待控制的目标设备，并根据预定的工作参数，控制目标设备。

步骤s260b：若检测结果为目标对象正在寻车，则在目标对象的定位进入第一地理范围之后，判断目标对象在预设时间内是否进入第二地理范围。

在本申请实施例中，通过规划路线以及近车路线对目标对象进行寻车可信度检测，虽然可以通过判定目标对象的近车路线与规划路线的匹配程度，检测出目标对象进行寻车，但在实际的应用场景中，也会存在目标对象并非寻车的情况，从而造成寻车可信度检测的误判。例如，目标对象进入了第一地理范围，然而，目标对象只是经过停车场。

为了减小寻车可信度检测的误判情况，可以通过重新确定第一地理范围来对误判进行校正。其中，预设时间指的是目标对象的定位进入第一地理范围之后，正常情况下可以到达第二地理范围的时间，预设时间可以根据目标对象的当前定位到达第二地理范围的距离以及目标对象行动的速度计算得出。其中，第二地理范围用于确定目标对象的寻车可信度检测是否发生误判，第二地理范围小于第一地理范围，或者，第二地理范围包含于第一地理范围内。

作为一种实施方式，当检测到目标对象正在寻车时，若检测目标对象的定位进入第一地理范围时，可以判断目标对象在预设时间内是否进入第二地理范围，具体地，在目标对象的定位进入第一地理范围之后，可以根据目标对象行动的速度以及目标对象距离停车位置的距离计算出预设时间，进一步地，在预设时间内检测目标对象是否进入第二地理范围。

步骤s270b：若目标对象在预设时间内未进入第二地理范围，则确定误判路线，误判路线用于表征误判目标对象正在寻车后，目标对象途经的路线。

作为一种实施方式，当检测到目标对象的定位进入第一地理范围时，若判断出目标对象在预设时间内未进入第二地理范围，则确定误判路线。具体地，若判断出目标对象在预设时间内未进入第二地理范围，则确定对目标对象寻车的判断出现误判，从而，可以将目标对象的近车路线作为误判路线。例如，在车主进入第一地理范围(200m范围内)时，若判断出车主在预设时间内未进入第二地理范围(2m范围内)，则确定误判路线。

作为另一种实施方式，当检测到目标对象正在寻车时，若检测目标对象的定位进入第一地理范围时，可以在预设时间内，根据目标对象与停车位置之间的距离是否与预期的距离相同，判断寻车可信度检测是否正确。若目标对象与停车位置之间的距离与预期的距离不相同，则确定误判路线。

作为又一种实施方式，在目标对象的定位进入第一地理范围之后，可以判断目标对象在预设时间内是否开启车门，以此来确定目标对象的寻车可信度检测是否发生误判，具体地，当检测到目标对象的定位进入预设地理范围第一地理范围时，若判断出目标对象在预设时间内未开启车门，则确定误判路线。

步骤s280b：根据误判路线以及规划路线，更新第一地理范围。

作为一种实施方式，在获取误判路线之后，可以根据将误判路线与规划路线进行对比，从而重新计算出更加符合用于判断目标对象寻车的第一地理范围。具体地，当目标对象的寻车可信度检测发生多次误判时，可以获取多次误判时目标对象所行走的误判路线，并利用深度学习或大数据分析技术基于误判路线对第一地理范围进行更新。

例如，当服务器检测到对目标对象的寻车可信度发生两次以上误判时，可将该目标对象的误判路线以及规划路线作为训练集利用生成对抗网络(generativeadversarialnetworks，gcn)构建用于目标对象寻车预测的神经网络模型，将有大量误判路线及规划路线构成的训练集输入到该神经网络模型中进行训练，从而得到能够准确用于目标对象寻车预测的神经网络模型，利用该神经网络模型计算出新的第一地理范围。

示例地，请参阅图7所示，图7示出了本申请实施例提供的一种车辆控制方法的流程图。当目标对象的寻车可信度检测出现了多次误判时，可以对第一地理范围进行更新调整。具体地，在获取车辆的停车位置以及目标对象的当前定位之后，根据该停车位置以及当前定位生成目标对象到停车位置之间的规划路线。

进一步地，获取目标对象接近车辆时的近车路线，并根据近车路线以及规划路线判断目标对象是否正在寻车。若判定目标对象正在寻车，则可以继续判定目标对象是否进入预设范围，当目标对象进入预设范围时，可以检测对目标对象正在寻车的判断是否发生误判，例如可以在预设时间内判断车门是否开启，若车门未开启，则获取目标对象的误判路线，根据误判路线以及规划路线，重新生成新的第一地理范围。若车门开启，也即未发生误判，则保持当前的第一地理范围。

本申请实施例中，当检测到车辆停车时，获取车辆的停车位置，获取目标对象的当前定位，并根据当前定位以及停车位置确定规划路线，进一步地，获取目标对象的近车路线，并根据近车路线检测目标对象在规划路线进行寻车的可信度，若检测结果为目标对象正在寻车，则在目标对象的定位进入第一地理范围时，确定车辆上待控制的目标设备，并根据预定的工作参数，控制目标设备。由此，根据目标对象所处的位置计算车处当前定位到车辆的规划路线，当目标对象行走的路径符合规划路线且目标对象距离车辆在预设范围内时，可以通过网络唤醒相关的车载设备提前开启车辆自动调节功能。

此外，若检测结果到目标对象正在寻车，则可以在目标对象的定位进入第一地理范围之后，判断在预设时间内车门是否开启，若在预设时间内车门未开启，则可以确定目标对象的寻车可信度的检测发生误判，进而更新第一地理范围，提高车辆提前自动调节的准确性。

如图8所示，图8示意性地示出本申请实施例提供的一种车辆控制方法，该车辆控制方法可以包括以下步骤s310至步骤s360。

步骤s310：当检测到车辆停车时，获取车辆的停车位置。

步骤s320：获取目标对象的当前定位，当前定位用于表征目标对象所处位置。

在本实施例中，步骤s310以及步骤s320的具体实施，可以分别参考上文实施例所提供的步骤s110以及步骤s120的阐述，此处不再一一赘述。

步骤s330：根据当前定位以及停车位置之间的空间特征获取参考路线，参考路线用于表征当前定位以及停车位置之间现存的可行路线。

其中，空间特征指的是当前定位以及停车位置之间的具体的地理空间，可以包括当前定位以及停车位置之间的地图信息，在一些实施例中，可以根据该空间特征获取当前定位以及停车位置之间现存的参考路线，该参考路线包括目标对象的活动路线以及默认路线。具体地，请参阅图9，步骤s330可以包括步骤s331、步骤s332a以及步骤s332b。

步骤s331：在车辆行驶的过程中，对目标对象进行身份认证。

为了能够准确地对目标对象进行寻车可信度检测，可以在目标对象开车的过程中进行身份认证，以便获取目标对象所对应的历史的活动数据和车载设备使用数据。值得注意的是，目标对象既可以是车主又可以是临时驾驶人，可以通过身份识别，针对性地获取当前使用车辆的驾驶人的历史的活动数据和车载设备使用数据。

作为一种实施方式，在车辆行驶的过程中，车辆可以利用车载摄像头获取目标对象的人脸图像，根据人脸图像对目标对象进行身份认证。具体地，当车辆检测到发动机开始工作时，可以通过摄像头采集目标对象的人脸图像，进而可以基于人脸识别(facerecognition，fr)算法，例如，yolo(youonlylookonce)算法对获取的人脸图像进行面部特征的提取，并根据面部特征进行身份认证。

步骤s332a：当目标对象通过身份认证时，根据当前定位以及停车位置之间的空间特征，获取目标对象的活动路线。

在目标对象通过身份认证后，可以获取目标对象的活动路线，进而根据活动路线生成规划路线以便进行目标对象寻车的可信度检测。其中，活动路线指的是目标对象在具体的某个活动地点寻车时所途经的路线。

作为一种实施方式，在目标对象通过身份认证之后，可以获取目标对象的当前定位，并根据当前定位确定目标对象所在的活动地点，进而获取目标对象在该活动地点寻车时途经的活动路线。例如，车辆可以在获取目标对象的当前定位时，判断出目标对象所处的活动地点为公司，由于目标对象通过了身份认证，因此，可以从服务器调取该目标用户在公司的活动路线。

步骤s332b：当目标对象通过身份认证时，根据当前定位以及停车位置之间的空间特征，获取默认路线。

在特殊情况下，虽然目标对象通过了身份认证，但是无法获取到目标用户对应的历史的活动数据和车载设备使用数据。例如，使用该车辆控制系统的新用户没有历史的活动数据和车载设备使用数据，此时，可以通过获取默认路线来生成规划路线。其中，默认路线指的是当前定位到停车位置之间的最优路径，可以包括通行路线以及最短路线等。

作为一种实施方式，在目标对象通过身份认证之后，可以根据当前定位获取目标对象所处位置的地理信息，根据地理信息确定当前定位到停车位置之间的默认路线。例如，在目标对象通过了身份认证之后，车辆向服务器发送获取该目标对象的历史活动数据的请求，服务器未查询到历史活动数据，请求失败，此时，车辆可以根据当前定位判断出目标对象处于某商场中，通过获取该商场的室内导航地图，可以确定出从当前定位到停车位置之间的通行路线作为默认路线。

步骤s340：根据参考路线确定规划路线。

作为一种实施方式，参考路线可以包括活动路线，车辆可以根据活动路线生成目标对象到达停车位置的规划路线。具体地，由于该活动路线包括大量的目标对象经常寻车时所途经的路线，因此可以利用大数据、深度学习/机器学习根据历史活动数据预测出规划路线。

例如，在目标对象停车离开后，车辆可以通过移动网络确定目标对象的当前定位为目标对象的工作单位，进而可以从本地存储器或者服务器获取该目标对象在工作单位的活动路线，进一步地，将活动路线作为训练集输入长短期记忆(longshorttermmemory，lstm)网络，得出轨迹预测模型，从而根据轨迹预测模型生成规划路线。

作为另一种实施方式，参考路线可以包括默认路线，车辆可以根据默认路线生成目标对象到达停车位置的规划路线。例如，车辆确定了目标对象的当前定位为某大型商场，此时，可以获取从当前定位到停车位置的多条可行的通行路线以及默认路线，根据该多条通行路线确定规划路线。

步骤s350：根据规划路线对目标对象进行寻车可信度检测，获取检测结果。

步骤s360：根据检测结果确定车辆的控制策略。

在本实施例中，步骤s350以及步骤s360的具体实施，可以分别参考上文实施例所提供的步骤s140以及步骤s150的阐述，此处不再一一赘述。

示例地，示例地，请参阅图10所示，图10示出了本申请实施例提供的一种车辆控制方法的时序图。服务器可以根据当前定位以及停车位置获取参考路线，并根据参考路线确定规划路线，进而对目标对象进行寻车可信度检测。具体地，车辆、目标对象的移动终端可以分别通过网络与服务器进行通信连接。

车辆可以在行驶的过程中采集目标对象的人脸图片出送至服务器，由服务器进行身份认证。车辆停车时，可以将停车位置发送至服务器。移动终端可以在获取目标对象的当前定位后，将该当前定位发送给服务器。

进一步地，当目标对象通过服务器的身份认证后，可以查询是否存在目标对象的历史活动数据。若存在目标对象的历史活动数据，则从历史活动数据获取活动路线作为参考路线，若不存在目标对象的历史活动数据，则可以根据当前定位获取默认路线作为参考路线。

进一步地，服务器可以根据参考路线确定出规划路线，并从移动终端获取目标对象的近车路线，从而根据近车路线检测目标对象在规划路线进行寻车的可信度，若检测结果为目标对象正在寻车，则确定车辆上待控制的目标设备，根据预定的工作参数，控制目标设备。

本申请实施例中，当检测到车辆停车时，获取车辆的停车位置，获取目标对象的当前定位，根据当前定位以及停车位置之间的空间特征获取参考路线，其中，在车辆行驶的过程中，对目标对象进行身份认证，当目标对象通过身份认证时，根据当前定位以及停车位置之间的空间特征，获取目标对象的活动路线或者获取默认路线作为参考路线，根据参考路线确定规划路线，并利用规划路线对目标对象进行寻车可信度检测，获取检测结果，根据检测结果确定车辆的控制策略。由此，通过身份认证准确地获取了目标对象的历史活动路线，进而根据活动路线对目标对象寻车可信度检测，从而将轨迹预测与车辆的自动控制进行结合，大大提高了车辆远程自动控制的效率。

请参阅图11，其示出了本申请实施例提供的一种车辆控制装置500的结构框图。该车辆控制装置500包括第一获取模块510、第二获取模块520、确定模块530、检测模块540以及控制模块550。其中，第一获取模块510，用于当检测到车辆停车时，获取车辆的停车位置；第二获取模块520，用于获取目标对象的当前定位，当前定位用于表征目标对象所处位置；确定模块530，用于根据当前定位以及停车位置确定规划路线，规划路线用于表征目标对象与车辆之间的可行路线；检测模块540，用于根据规划路线对目标对象进行寻车可信度检测，获取检测结果；控制模块550，用于根据检测结果确定车辆的控制策略。

在一些实施例中，检测模块540可以包括：获取单元，用于获取目标对象的近车路线，近车路线用于表征目标对象接近车辆时所途经的路线；检测单元，用于根据近车路线检测目标对象在规划路线进行寻车的可信度，并获取检测结果。

在一些实施例中，检测单元可以具体用于：将近车路线与规划路线进行匹配，获得匹配结果；根据匹配结果，判断目标对象是否在规划路线进行寻车，包括：当近车路线与规划路线匹配时，若当前定位与停车位置之间的距离逐渐减小，则检测结果为目标对象正在寻车；

控制模块550，还可以包括：确定单元，用于若检测结果为目标对象正在寻车，则在目标对象的定位进入第一地理范围时，确定车辆上待控制的目标设备；控制单元，用于根据预定的工作参数，控制目标设备。

在一些实施例中，检测模块540还可以包括：

寻车判断单元，用于若检测结果为目标对象正在寻车，则在目标对象的定位进入第一地理范围之后，判断目标对象在预设时间内是否进入第二地理范围；误判路线判断单元，用于若目标对象在预设时间内未进入第二地理范围，则确定误判路线，误判路线用于表征误判目标对象正在寻车后，目标对象途经的路线；更新单元，用于根据误判路线以及规划路线，更新第一地理范围。

在一些实施例中，控制单元还具体用于：获取目标对象使用目标设备的历史数据；根据历史数据生成预定的工作参数；根据预定的工作参数，对目标设备进行控制。

在一些实施例中，确定模块530可以包括：参考路线获取单元，用于根据当前定位以及停车位置之间的空间特征获取参考路线，参考路线用于表征当前定位以及停车位置之间现存的可行路线；规划路线确定单元，用于根据参考路线确定规划路线。

在一些实施例中，参考路线包括活动路线，活动路线用于表征目标对象停车离开后到达当前定位的活动路线，参考路线获取单元可以具体用于在车辆行驶的过程中，对目标对象进行身份认证；当目标对象通过身份认证时，根据当前定位以及停车位置之间的空间特征，获取目标对象的活动路线。规划路线确定单元还可以具体用于根据活动路线生成目标对象到达停车位置的规划路线。

在一些实施例中，参考路线包括默认路线，默认路线至少包括当前定位到达停车位置的最短路线，参考路线获取单元还可以具体用于在车辆行驶的过程中，对目标对象进行身份认证；当目标对象通过身份认证时，根据当前定位以及停车位置之间的空间特征，获取默认路线；规划路线确定单元还可以具体用于根据默认路线生成目标对象到达停车位置的规划路线。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

本申请提供的方案，当检测到车辆停车时，获取车辆的停车位置，获取目标对象的当前定位，根据当前定位以及停车位置确定规划路线，并根据规划路线对目标对象进行寻车可信度检测，获取检测结果，进一步地，根据检测结果确定车辆的控制策略。由此，通过车辆停车位置和目标对象的位置定位来确定规划路线，并根据该规划路线检测目标对象寻车的可信度，以便根据可信度的检测结果对车辆进行自动控制，大大减少驾驶员使用车辆远程控制的不便。

如图12所示，本申请实施例还提供一种车辆600，该车辆600包括处理器610、存储器620，存储器620存储有计算机程序指令，计算机程序指令被处理器610调用时执行上述的车辆控制方法。

处理器610可以包括一个或者多个处理核。处理器610利用各种接口和线路连接整个电池管理系统内的各种部分，通过运行或执行存储在存储器620内的指令、程序、代码集或指令集，以及调用存储在存储器620内的数据，执行电池管理系统的各种功能和处理数据。可选地，处理器610可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field-programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器610可集成中央处理器610(centralprocessingunit，cpu)、图像处理器610(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器610中，单独通过一块通信芯片进行实现。

存储器620可以包括随机存储器620(randomaccessmemory，ram)，也可以包括只读存储器620(read-onlymemory)。存储器620图可用于存储指令、程序、代码、代码集或指令集。存储器620图可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各种方法实施例的指令等。存储数据区还可以存储电子设备图在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

如图13所示，本申请实施例还提供一种服务器700，该服务器700包括处理器710、存储器720，存储器720存储有计算机程序指令，计算机程序指令被处理器710调用时执行上述的车辆控制方法。

处理器710可以包括一个或者多个处理核。处理器710利用各种接口和线路连接整个电池管理系统内的各种部分，通过运行或执行存储在存储器720内的指令、程序、代码集或指令集，以及调用存储在存储器720内的数据，执行电池管理系统的各种功能和处理数据。可选地，处理器710可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field-programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器710可集成中央处理器710(centralprocessingunit，cpu)、图像处理器710(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器710中，单独通过一块通信芯片进行实现。

存储器720可以包括随机存储器720(randomaccessmemory，ram)，也可以包括只读存储器720(read-onlymemory)。存储器720图可用于存储指令、程序、代码、代码集或指令集。存储器720图可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各种方法实施例的指令等。存储数据区还可以存储电子设备图在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

如图14所示，本申请实施例还提供一种计算机可读存储介质800，该计算机可读存储介质800中存储有计算机程序指令810，计算机程序指令810可被处理器调用以执行上述实施例中所描述的方法。

计算机可读存储介质800可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质800包括非易失性计算机可读存储介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以例如以适当形式进行压缩。

以上，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭示如上，然而并非用以限定本申请，任何本领域技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本申请技术方案的范围内。